深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 39963 篇文献，本页显示第 4521 - 4540 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4521 | 2025-12-22 |
Validation of fibroblast activation protein and α-smooth muscle actin as prognostic biomarkers in prostate cancer through AI-assisted image analysis of dual-marker IHC
2026-Jan, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70068
PMID:41410015
|
研究论文 | 本研究开发了一种基于人工智能的双标记免疫组化图像分析流程，用于验证成纤维细胞活化蛋白和α平滑肌肌动蛋白作为前列腺癌预后生物标志物的价值 | 开发了首个针对FAP和αSMA双标记免疫组化的AI辅助图像分析流程，实现了组织区室特异性的自动化生物标志物定量 | 研究基于组织微阵列样本，可能无法完全代表完整肿瘤异质性；部分预后关联仅在特定亚组（如MRI可见肿瘤）中观察到 | 验证FAP和αSMA作为前列腺癌预后生物标志物的临床价值，并开发标准化定量方法 | 前列腺癌组织样本 | 数字病理学 | 前列腺癌 | 双标记免疫组化 | 深度学习模型 | 高分辨率全切片数字图像 | 来自835名患者的4,097个组织微阵列核心 | 未明确说明 | 未明确说明 | 准确性 | 未明确说明 |
| 4522 | 2025-12-22 |
Artificial intelligence-based apps for screening and diagnosing diabetic retinopathy and common ocular disorders
2025-Dec-20, World journal of methodology
DOI:10.5662/wjm.v15.i4.107166
PMID:40900875
|
综述 | 本文综述了人工智能（AI）在眼科疾病筛查和诊断中的应用，特别是针对糖尿病视网膜病变等常见眼病 | 全面总结了AI在眼科的应用现状，并探讨了AI与远程医疗结合的未来前景 | 实施AI算法仍面临挑战，尤其是在发展中国家 | 探讨AI在眼科疾病诊断和筛查中的应用及未来整合前景 | 糖尿病视网膜病变、糖尿病性黄斑水肿、青光眼、年龄相关性黄斑变性等眼部疾病 | 机器学习 | 糖尿病视网膜病变 | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 4523 | 2025-12-22 |
Artificial intelligence for early diagnosis and risk prediction of periodontal-systemic interactions: Clinical utility and future directions
2025-Dec-20, World journal of methodology
DOI:10.5662/wjm.v15.i4.105516
PMID:40900876
|
综述 | 本文系统综述了人工智能在牙周-系统性疾病相互作用早期诊断和风险预测中的应用与临床价值 | 整合多组学数据和先进影像技术，利用AI模型显著提升牙周-系统性疾病相互作用的早期诊断准确性和风险预测能力 | 纳入研究的时间范围限定在2010-2024年，且样本量要求较大（≥500），可能遗漏早期或小样本的重要研究 | 评估人工智能在诊断和预测牙周-系统性疾病相互作用中的作用 | 2010年至2024年间发表的、关注牙周病与系统性疾病（如2型糖尿病、心血管疾病等）相互作用的研究 | 自然语言处理, 机器学习, 数字病理学 | 牙周病, 2型糖尿病, 心血管疾病, 阿尔茨海默病, 多囊卵巢综合征, 甲状腺功能障碍, 2019冠状病毒病并发症 | 多组学数据整合, 锥形束计算机断层扫描, 磁共振成像 | 机器学习, 深度学习, 自然语言处理 | 结构化临床数据, 影像数据, 临床笔记文本 | ≥500名参与者，部分研究样本量为1000-1500 | NA | NA | 诊断准确率, 特异性, 敏感性 | NA |
| 4524 | 2025-12-22 |
Author Response to "Letter to Editor: Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications"
2025-Dec-20, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.001
PMID:41421880
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4525 | 2025-12-22 |
Forging Online Community Among People in Recovery From Substance Use: Natural Language Processing and Deep-Learning Analysis of The Phoenix App User-Generated Data
2025-Dec-19, JMIR mHealth and uHealth
IF:5.4Q1
DOI:10.2196/68438
PMID:41418282
|
研究论文 | 本研究利用自然语言处理和深度学习方法分析The Phoenix应用程序中用户生成的数据，以探索其在物质使用恢复过程中的社区支持作用 | 首次结合BERT主题建模和VADER情感分析来评估物质使用恢复应用程序的用户体验，揭示了该平台在促进积极社交连接方面的独特性 | 样本量有限且未与其他恢复论坛进行直接比较分析，需要更大数据集验证结果 | 评估The Phoenix应用程序在物质使用恢复过程中的核心用途和情感基调 | The Phoenix应用程序的用户生成帖子 | 自然语言处理 | 物质使用障碍 | 自然语言处理, 深度学习 | BERT, VADER | 文本 | 17617条帖子 | NA | Bidirectional Encoder Representation from Transformers | 主题一致性得分, 情感分析均值与标准差 | NA |
| 4526 | 2025-12-22 |
Storage tank detection in remote sensing images based on circular bounding boxes and large selective kernel
2025-Dec-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27919-5
PMID:41413105
|
研究论文 | 本文提出了一种基于圆形边界框和大选择性核的遥感图像储罐检测新方法，旨在提高检测精度并支持甲烷排放监测 | 引入了圆形边界框以匹配储罐的典型圆形形状，稳定了小目标的IoU计算；并集成了大选择性核（LSK）模块，动态调整感受野以有效利用上下文信息 | 未明确提及，但可能包括对非典型形状储罐的适应性、在极端成像条件下的泛化能力，以及计算效率的潜在影响 | 提高遥感图像中储罐检测的准确性，以支持石油和天然气行业的甲烷排放监测和环境可持续性工作 | 遥感图像中的储罐（storage tanks） | 计算机视觉 | NA | 遥感成像 | CNN | 图像 | 总计3568张图像，包含46075个储罐目标，数据集包括DIOR、NWPUU_RESISC45、NWPU VHR-10、TGRS-HRRSD以及一个自建数据集 | PyTorch（基于YOLO-v10框架推断） | YOLO-v10（集成圆形边界框和LSK模块） | 精确率（precision）、召回率（recall）、平均精度均值（mAP@0.5） | NA |
| 4527 | 2025-12-22 |
A multi-scale adaptive framework for high-precision rail track damage detection via StarNet and bidirectional feature pyramid network
2025-Dec-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27827-8
PMID:41413097
|
研究论文 | 本研究提出了一种改进的轨道损伤检测框架SNBF-YOLO，通过集成StarNet和BiFPN模块，以解决小目标、复杂背景和多尺度损伤的检测难题 | 提出了SNBF-YOLO框架，集成了StarNet模块以自适应扩大感受野增强特征表示，并利用BiFPN优化双向多尺度特征融合 | 研究受限于数据集的规模和多样性，可能影响其在更复杂条件（如雨、雪或严重腐蚀）下的泛化能力 | 开发一种高精度、鲁棒的铁路轨道损伤实时检测方法，以提高运输安全性 | 铁路轨道损伤，包括细微裂纹和缺失紧固件 | 计算机视觉 | NA | NA | YOLO | 图像 | NA | NA | YOLOv10n, StarNet, BiFPN | 精确率, 召回率, mAP | NA |
| 4528 | 2025-12-22 |
MultiCell: geometric learning in multicellular development
2025-Dec-15, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02983-x
PMID:41398502
|
研究论文 | 本文介绍了一种名为MultiCell的几何深度学习方法，用于准确捕捉细胞间高度复杂的相互作用，并在果蝇胚胎发生过程中实现可解释的四维形态序列对齐和单细胞行为预测 | 提出了一种统一的图数据结构，将多细胞数据表示为颗粒状和泡沫状物理图像，结合细胞相互作用和细胞连接网络，实现了单细胞精度的动态多细胞发育过程数据驱动定量研究 | NA | 理解和预测在复杂发育过程中活体组织内每个细胞随时间的行为 | 多细胞发育过程，特别是果蝇胚胎发生中的细胞 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 图数据 | NA | NA | NA | NA | NA |
| 4529 | 2025-12-22 |
Twisted convolutional networks (TCNs): Enhancing feature interactions for non-spatial data classification
2025-Dec-09, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108451
PMID:41420941
|
研究论文 | 提出了一种用于一维非空间数据分类的新型深度学习架构——扭曲卷积网络（TCNs） | 通过理论基础的乘性和成对交互机制显式组合输入特征子集，以捕获传统卷积方法忽略的高阶特征交互 | NA | 开发一种适用于特征顺序任意且空间关系最小的一维数据分类的深度学习架构 | 来自医学诊断、政治学、合成数据、化学计量学和医疗保健等不同领域的五个基准数据集 | 机器学习 | NA | NA | CNN | 一维数据 | NA | NA | Twisted Convolutional Networks (TCNs) | NA | NA |
| 4530 | 2025-12-22 |
A multi-task deep learning pipeline integrating vessel segmentation and radiomics for multiclass retinal disease classification
2025-Dec, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.105209
PMID:40914189
|
研究论文 | 本研究开发了一个结合血管分割和影像组学的多任务深度学习框架，用于自动分类四种视网膜疾病 | 创新点在于整合了基于Transformer的血管分割模型与影像组学特征，实现了多任务学习，提高了视网膜疾病分类的准确性和可解释性 | 研究依赖于多中心数据，但未详细讨论数据异质性对模型性能的具体影响，且外部验证集规模相对有限 | 开发一个鲁棒的多任务深度学习框架，用于自动化分类糖尿病视网膜病变、高血压视网膜病变、视乳头水肿和正常眼底 | 来自八个医疗中心的2165名患者的眼底图像 | 计算机视觉 | 视网膜疾病 | 眼底成像 | 深度学习模型 | 图像 | 2165名患者（训练和验证集）和769名患者（外部测试集） | PyTorch, Scikit-learn | U-Net, Attention U-Net, DeepLabV3+, HRNet, Swin-Unet | 准确率, AUC, 召回率, ROC分析, Dice相似系数 | NA |
| 4531 | 2025-12-22 |
Prediction of Pathological Subthalamic Nucleus Beta Burst Occurrence in Parkinson's Disease
2025-Dec, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.70076
PMID:41041724
|
研究论文 | 本研究开发了一种深度学习模型，用于预测帕金森病患者丘脑底核中病理性β爆发的发生 | 首次利用深度神经网络从基底节活动中发现可可靠预测β爆发起始的特征，特别是揭示了β振幅下降（可能指示振荡群体相位重置）是预测β爆发发生的关键生物标志物 | 研究基于两个独立数据集，但样本量未明确说明；预测时间窗口为爆发前100毫秒，临床应用需进一步验证 | 探索帕金森病中丘脑底核病理性β爆发的预测机制，为开发智能、主动的脑深部电刺激疗法提供依据 | 帕金森病患者的丘脑底核活动记录 | 机器学习 | 帕金森病 | 脑深部电刺激记录、传感式DBS设备记录 | 深度神经网络 | 神经电生理信号 | NA | NA | NA | NA | NA |
| 4532 | 2025-12-22 |
Ultraviolet-induced fluorescence mapping of facial porphyrin and sebum using deep-learning segmentation
2025-Dec, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.105294
PMID:41274329
|
研究论文 | 本研究评估并比较了两种深度学习模型（UNet和pix2pix）在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能 | 首次在面部紫外诱导荧光图像分割中，对传统的分割网络（UNet）和生成对抗网络（pix2pix）进行了比较研究，并探讨了单类别与双类别分割设置的性能差异 | 数据集多样性有限，未来需扩大样本量并采用临床级成像系统进行验证 | 评估和比较两种深度学习模型在面部紫外诱导荧光图像中自动分割卟啉和皮脂的性能 | 面部紫外诱导荧光图像中的卟啉和皮脂区域 | 计算机视觉 | 痤疮 | 紫外诱导荧光成像 | CNN, GAN | 图像 | 49名受试者的294张面部荧光图像 | NA | UNet, pix2pix | IoU, Dice系数 | NA |
| 4533 | 2025-12-22 |
MAGNET: Multi-view graph autoencoder with cell-gene attention for cell interaction network reconstruction from spatial transcriptomics
2025-Dec, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013810
PMID:41397026
|
研究论文 | 本文提出了一种名为MAGNET的多视图图自编码器框架，通过细胞-基因注意力模块整合细胞外部相互作用与内部基因调控，用于从空间转录组学数据重建细胞间相互作用网络 | 开发了细胞-基因注意力模块，将细胞的外部环境与内部基因活动在统一表示中连接起来，克服了现有方法将两者分开处理的限制 | 未明确说明模型在处理更大规模或更复杂组织样本时的计算效率及可扩展性 | 从空间转录组学数据中准确推断细胞间相互作用网络 | 空间转录组学数据中的细胞及其相互作用 | 计算生物学 | 乳腺癌 | 空间转录组学 | 图自编码器 | 空间转录组学数据 | 基准数据集（seqFISH、MERFISH、STARMAP）及一个乳腺癌数据集 | 未明确指定 | 多视图图自编码器 | 平均精度 | NA |
| 4534 | 2025-12-22 |
Deep-Learning-Assisted SICM for Enhanced Real-Time Imaging of Nanoscale Biological Dynamics
2025-Dec, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202501080
PMID:41078001
|
研究论文 | 本文提出了一种结合深度学习与扫描离子电导显微镜（SICM）的集成框架，通过选择性跳过扫描线来提高SICM的实时成像速度 | 开发了部分卷积神经网络（Partial-CNN）模型，用于从欠采样数据中重建完整图像，显著提高了SICM的时间分辨率（减少30-63%的采集时间） | 未明确提及该方法在极端动态条件或不同细胞类型中的泛化能力限制 | 提高扫描离子电导显微镜（SICM）的实时成像能力，以捕捉纳米尺度的生物动态过程 | 活细胞的纳米尺度动态成像 | 计算机视觉 | NA | 扫描离子电导显微镜（SICM） | CNN | 图像 | NA | NA | Partial-CNN | 多种定量指标（具体未列出，但涉及图像质量评估） | NA |
| 4535 | 2025-12-22 |
Towards a Planetary Health Impact Assessment Framework: Exploring Expert Knowledge and Artificial Intelligence for a RF-EMF Exposure Case-Study
2025-Dec, Bioelectromagnetics
IF:1.8Q3
DOI:10.1002/bem.70038
PMID:41416407
|
研究论文 | 本文提出了一种行星健康影响评估框架，结合专家知识和人工智能技术，以射频电磁场暴露为案例研究，探索构建知识图谱的方法 | 首次将行星健康视角引入射频电磁场影响评估，结合专家构建的知识图谱与基于自然语言处理和深度学习的AI工具，探索间接生态介导的健康影响路径 | AI工具生成的图谱精度和上下文敏感性有限，需要大量专家验证，目前无法替代专家判断 | 开发一个行星健康影响评估框架，整合直接和生态介导的健康影响路径 | 射频电磁场暴露对生物体的直接健康影响及通过生态后果对人类健康的间接影响 | 自然语言处理 | NA | 自然语言处理, 深度学习 | NA | 文本 | 12位专家参与构建知识图谱 | NA | NA | NA | NA |
| 4536 | 2025-12-22 |
REECAP: Contrastive learning of retinal aging reveals genetic loci linking morphology to eye disease
2025-Nov-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.19.25340555
PMID:41332846
|
研究论文 | 本文提出REECAP框架，通过对比学习优化视网膜基础模型，生成与年龄相关的图像表征，用于GWAS研究，以揭示眼病遗传位点 | 利用对比学习引导视网膜基础模型沿年龄轴对齐图像表征，生成多变量衰老表型用于GWAS，发现了传统疾病标签GWAS未检测到的遗传位点，并通过条件图像合成将遗传变异与解剖变化关联 | 研究仅基于UK Biobank的特定人群数据，可能缺乏多样性；未详细讨论模型在其他数据集或眼病中的泛化能力 | 探索深度学习基础模型在连接组织形态与疾病遗传结构方面的潜力，以发现和解释眼病相关遗传位点 | UK Biobank参与者的视网膜眼底图像 | 计算机视觉 | 眼病 | 对比学习, 基因组关联研究 | 基础模型 | 图像 | 87,478张眼底图像来自52,742名UK Biobank参与者 | NA | RETFound | NA | NA |
| 4537 | 2025-12-22 |
Comparative analysis of multiple deep learning models with mitigation-driven approaches for enhanced Alzheimer's disease classification
2025-Nov-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27914-w
PMID:41274951
|
研究论文 | 本研究通过比较多种深度学习模型，并采用缓解类别不平衡的策略，旨在提升基于结构MRI的阿尔茨海默病分类性能 | 提出了2D冠状面切片网格化方法，在保留96%诊断信息的同时显著降低计算需求；系统比较了十种深度学习架构，并验证了传统CNN在医学神经影像分类中的持续有效性；结合SMOTE、代价敏感学习和焦点损失等策略有效缓解了类别不平衡问题 | 模型在痴呆类别上的灵敏度较低（38%）；Vision Transformer和胶囊网络在该任务上表现不佳甚至完全失败；总体平衡准确率仍有提升空间 | 开发并评估用于阿尔茨海默病自动分类的深度学习模型，平衡诊断准确性与计算效率 | 阿尔茨海默病患者、轻度认知障碍患者和健康对照者的T1加权MRI扫描 | 数字病理学 | 阿尔茨海默病 | 结构MRI（sMRI），2D冠状面切片网格化方法 | CNN, Vision Transformer, Capsule Network | 图像 | 1346名独特患者的14,983张2D网格图像 | NA | ECAResNet269, 以及其他九种深度学习架构（包括传统CNN、Vision Transformer、胶囊网络） | 平衡准确率, 灵敏度, 特异性 | 标准临床硬件 |
| 4538 | 2025-12-22 |
Targeting peptide-MHC complexes with designed T cell receptors and antibodies
2025-Nov-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.19.689381
PMID:41332722
|
研究论文 | 本文介绍了一种基于结构的深度学习框架ADAPT，用于设计靶向特定肽-MHC复合物的T细胞受体和抗体 | 开发了首个基于结构的深度学习框架ADAPT，用于从头设计靶向pMHC的TCR和抗体，并通过冷冻电镜结构验证了设计界面的原子级精度 | 未明确说明设计框架在更广泛pMHC靶点上的通用性验证规模，以及体内疗效数据尚未提供 | 开发计算设计方法以生成靶向特定肽-MHC复合物的新型T细胞受体和抗体 | 肽-MHC复合物、T细胞受体、抗体 | 计算生物学 | 肿瘤、自身免疫性疾病 | 深度学习、结构生物学、冷冻电镜 | 深度学习框架 | 蛋白质结构数据、序列数据 | 针对多种pMHC组合进行了设计评估（具体数量未明确） | NA | ADAPT（基于结构的深度学习框架） | 结构验证精度（原子级界面准确性） | NA |
| 4539 | 2025-12-22 |
Radiologic, Pathologic, and Deep Learning Predictors of Response to Immune Checkpoint Blockade in Renal Cell Carcinoma Patients Undergoing Post-Treatment Nephrectomy
2025-Nov-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.19.25340277
PMID:41332849
|
研究论文 | 本研究首次提出了一个整合放射学、病理学和深度学习的定量框架，用于评估肾细胞癌患者在接受免疫检查点抑制剂治疗后进行肾切除术后的反应 | 首次整合放射学、病理学和深度学习模型，系统评估肾细胞癌患者免疫检查点抑制剂治疗后的反应，并区分免疫介导的病理回归变化与凝固性坏死 | 回顾性研究设计，样本量相对有限（99例患者），需要在更大规模的前瞻性研究中验证 | 评估肾细胞癌患者接受免疫检查点抑制剂治疗后进行肾切除术的反应，以指导术后适应性治疗策略 | 局部晚期或转移性肾细胞癌患者，在接受至少一个周期含免疫检查点抑制剂的双联疗法后进行肾切除术 | 数字病理学 | 肾细胞癌 | 深度学习方法 | 深度学习模型 | 放射学影像、病理学图像 | 99例患者（66例减瘤性肾切除术，33例新辅助肾切除术） | NA | NA | 风险比, 置信区间, p值 | NA |
| 4540 | 2025-12-22 |
A prognostic index integrating deep learning baseline PET/CT biomarkers and multi-omics profiling in diffuse large B cell lymphoma
2025-Nov-18, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102452
PMID:41260205
|
研究论文 | 本研究通过整合深度学习基线PET/CT生物标志物与多组学数据，构建了一个用于弥漫性大B细胞淋巴瘤的预后指数模型 | 首次将nnUNet深度学习框架应用于DLBCL的PET/CT分析，并整合了DNA/RNA测序数据、临床因素和LymphPlex遗传亚型，开发了新型多模态预后模型 | 研究样本主要来自特定患者群体，外部验证和前瞻性验证尚需进一步开展 | 提高弥漫性大B细胞淋巴瘤的预后预测精度并推进个体化治疗 | 1,024名新诊断的弥漫性大B细胞淋巴瘤患者 | 数字病理学 | 淋巴瘤 | PET/CT成像，DNA测序，RNA测序 | 深度学习 | 医学影像，基因组数据，转录组数据 | 1,024名DLBCL患者 | nnUNet | nnUNet | 预后区分能力（具体指标未明确说明） | NA |